CN104268543B - 一种复杂纹理织物起球图像的采集方法 - Google Patents
一种复杂纹理织物起球图像的采集方法 Download PDFInfo
- Publication number
- CN104268543B CN104268543B CN201410522556.7A CN201410522556A CN104268543B CN 104268543 B CN104268543 B CN 104268543B CN 201410522556 A CN201410522556 A CN 201410522556A CN 104268543 B CN104268543 B CN 104268543B
- Authority
- CN
- China
- Prior art keywords
- image
- fabric
- light source
- shading
- pilling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Abstract
本发明公开了一种复杂纹理织物起球图像的采集方法,其包括如下步骤:将待测样布平整铺放在试样放置平台的几何中心位置,使摄像机固定放置在试样放置平台的正上方;调节多角度准平行光侧向照明系统的光源基座,使光源和试样放置平台呈一定角度;通过计算机控制电动机转动使光源处于预定位置;通过图像采集系统获取在多个角度光源照射下形成的织物起球图像;对步骤C得到的织物起球图像进行独立分量分析处理。通过本发明方法,可对干扰起球目标识别及分割的复杂背景纹理得到很好地滤除,降低了毛球识别和分割算法复杂度,拓展了织物起球客观评估系统应用范围,使复杂纹理织物的起球等级客观评估成为可能,具有应用价值。
Description
技术领域
本发明是涉及一种复杂纹理织物起球图像的采集方法,属于纺织技术领域。
背景技术
织物表面抗起球等级是纺织品性能评估中一项主要指标。现有的专家主观评估结果往往差异较大,怎样客观准确地把握起球等级是近年来一直研究的课题。传统的织物起球等级客观评估方法是采用基于计算机视觉分析技术,即将起球织物图像通过CCD摄像机及采集卡等设备输入计算机,然后应用图像分析技术,如Wold纹理模型、多尺度小波匹配器、图像分割、模板匹配及直方图拟合、多尺度二维双树复小波变换、边缘流分割、二维小波变换、尺度空间极值等途径提取出反应起球等级的特征指标,再通过模式识别算法对统计的特征指标值进行最终的等级评估。基于图像分析的织物起球等级客观评估形态尽管装置简便,但缺陷明显,即:如果织物表面纹理过于复杂,如印花、大循环复杂组织等,即使借助一定外界光照投影来调节毛球目标表面反射光强度及形态,毛球目标的区域阴影形状和位置仍会掩盖在织物表面纹理之中而难以分割和识别,因此该类客观评估系统一般只能评估简单纹理或素色织物起球等级。
为了解决此问题,三维数据采集技术在织物起球客观评估系统中得到很大的发展,如激光扫描法、光栅投影法、切面投影重建、双目体视重建等,这些方法所获取起球织物表面三维轮廓数据能基本消除织物底纹的干扰,但它们也有一定缺陷,如采集装置复杂,激光扫描法价格昂贵、扫描速度慢,光栅投影法中条纹抽取精度受织物底纹干扰,切面投影重建法中重建毛球三维形态失真,双目体视重建法中毛球重建精度受采样分辨率和插值重建算法影响,且如果织物底纹为素色或周期性纹理时需要额外投射人工纹理。
发明内容
针对现有技术存在的上述问题,本发明的目的是提供一种通过独立分量分析方法滤除干扰起球信息的织物底纹信号分量的复杂纹理织物起球图像的采集方法。
为实现上述发明目的,本发明采用的技术方案如下:
一种复杂纹理织物起球图像的采集方法,包括如下步骤:
A.将待测样布平整铺放在试样放置平台的几何中心位置,使摄像机固定放置在试样放置平台的正上方;
B.调节多角度准平行光侧向照明系统的光源基座,使光源和试样放置平台呈一定角度;通过计算机控制电动机转动使光源处于预定位置;
C.通过图像采集系统获取在多个角度光源照射下形成的织物起球图像;
D.对步骤C得到的织物起球图像进行独立分量分析处理,即得到滤除织物底纹的起球图像;其中进行独立分量分析处理的方法如下:
D1)选取独立分量数N等于观测的织物起球图像的幅数M,将信号xi(t)表示为第i幅观测的织物起球图像{xi(m,n)}第t个像素灰度值,这样可将第i幅观测的织物起球图像按行重排成一个维数为1×C的行向量xi,其中C=w*h,w、h分别表示图像的宽度和高度;再将所有行向量构成M×C矩阵,得到观测矩阵X=[x1,x2,...,xM]T;
D2)在独立分量估计之前,先对X进行零均值方差标准化处理,然后应用主元分析法(PCA)进行对X预白化处理得到其中M×C维预白化矩阵其过程如下所示:
零均值处理:X=X-E{X};
求协方差矩阵:R=E{XXT};
奇异值分解:EDET=R,其中E=[e1,e2,···eN]、D=diag[λ1,λ2,···,λN],λi为第i个特征秩(已从高至低排序),ei为对应N维特征向量列矢量;
预白化处理:其中其目的是为了去除数据间相关性,该处理能使后续独立分量估计收敛更快。
主元分析法只是基于二阶独立性,并具有真正独立性,尽管主分量图已分离出部分毛球信息,但图像中织物底纹纹理仍有较大重叠。
D3)只有正确识别属于织物底纹背景的独立分量si,并将混合矩阵A中第i列置零,记为A+,得到重构矩阵Y=A+S,才能在重构的多角度光照投影起球图像中消除底纹背景信息;利用频谱特征分析技术构造底纹独立分量识别准则,其中纹理相似性度量如下式所示:
其中和分别为xi和sj图像矩阵重组的谱估计,D表示支撑域,其中谱估计用周期图代替,即Y(k,l)为待估计图像的二维离散傅里叶变换;D={(i,j)|0≤i≤w/8,0≤j≤h/8};
独立分量sj的底纹纹理相似度表示为Gj= min{F1,j,F2,j, … ,FM,j} ,则属于织物底纹背景的独立分量对应Gj最小;经重构后重构矩阵Y中各yj对应图像矩阵重组图,此时各角度投影织物起球图像中织物底纹已被滤除,即得到滤除织物底纹的起球图像。
作为优选方案,光源与试样放置平台呈5度夹角,光源中心点到待测样布几何中心的水平距离为30厘米。
与现有技术相比,本发明具有如下有益效果:
本发明克服了传统织物起球客观评估系统中起球特征提取易受织物底纹干扰的技术问题,通过本发明方法,对干扰起球目标识别及分割的复杂背景纹理可得到很好地滤除,降低了毛球识别和分割算法复杂度,拓展了织物起球客观评估系统应用范围,使复杂纹理织物的起球等级客观评估成为可能。
附图说明
图1是本发明进行起球图像采集装置的结构示意图;
图2是当M=6时,试样放置平台的俯视图,图中显示了光源所处位置及光源即将到达的位置。
图中:1、计算机;2、摄像机;3、光源;4、试样放置平台;5、待测样布;6、光源开关;7、支架;8、基座;9、电动机;10、齿轮;11、轴;12、旋转支架。
具体实施方式
下面结合具体实施例和附图,进一步阐述本发明。
实施例
参见图1所示,本发明提供的一种复杂纹理织物起球图像的采集方法,包括如下步骤:
1)将待测样布5平整铺放在试样放置平台4的几何中心位置,使摄像机2固定放置在试样放置平台4的正上方;
2)多角度准平行光侧向照明系统的光源位置确定,即:参数d、θ和的确定,其中θ为光源与试样放置平台的倾角,d为光源中心点到待测样布几何中心的水平距离,为光源每次转过间隔角度;
先取θ=0°,通过手动改变d的距离,如d=20cm、d=25cm、d=30cm等做不同距离d下的织物起球图像采集,再通过调节固定平台与光源间的夹角θ=5°,θ=10°,采集不同距离d下的织物起球图像;比较采集的图像效果,以确定d和θ值;
经效果比对,当d=30cm、θ=5°时投影效果最佳,因此本实施例固定旋转支架12的长度,保证d=30cm;光源支架7和光源基座8具有调节功能,支架7可以调节垂直高度,基座8可以调节光源倾斜角度,通过调节支架7和基座8可达到θ=5°的效果;
3)调节摄像机2的可变焦镜头,通过图像采集系统与计算机1连接,使待测样布5在计算机1上能成像清晰,计算机1提取到的图像为6cm*6cm或8cm*8cm大小;
4)电动机9与旋转支架12通过齿轮10啮合,计算机1通过控制电动机9转动,实现旋转支架12绕轴11转动,其中轴11和试样放置平台4固定不动;设M为多个角度光源侧向照明的照射次数,则计算机1通过内部程序,控制电动机9旋转,带动旋转支架12使得光源3处于预定角度,光源3每次转过度;
5)计算机1通过多光源开闭控制系统实现控制光源开关6的开闭,当旋转支架12旋转 度时,光源开关6开,摄像机2采集图像,电动机9带动旋转支架12旋转一周,计算机1获取到M幅起球图像,采集完成;对每一待测样布5共采集M幅起球图像{xi(m,n)}(1≤m≤w,1≤n≤h,i=1,2,…M),w、h分别表示图像的宽度和高度;
6)对上步得到的M幅起球图像进行独立分量分析处理:
①选取独立分量数N等于观测的织物起球图像的幅数M,将信号xi(t)表示为第i幅观测的织物起球图像{xi(m,n)}第t个像素灰度值,这样可将第i幅观测的织物起球图像按行重排成一个维数为1×C的行向量xi,其中C=w*h,再将所有行向量构成M×C矩阵,得到观测矩阵X=[x1,x2,...,xM]T;
②在独立分量估计之前,先对X进行零均值方差标准化处理,然后应用主元分析法(PCA)进行对X预白化处理得到其中M×C维预白化矩阵其过程如下所示:
零均值处理:X=X-E{X};
求协方差矩阵:R=E{XXT};
奇异值分解:EDET=R,其中E=[e1,e2,···eN]、D=diag[λ1,λ2,···,λN],λi为第i个特征秩(已从高至低排序),ei为对应N维特征向量列矢量;
预白化处理:其中其目的是为了去除数据间相关性,该处理能使后续独立分量估计收敛更快;
主元分析法只是基于二阶独立性,并具有真正独立性,尽管主分量图已分离出部分毛球信息,但图像中织物底纹纹理仍有较大重叠;
③只有正确识别属于织物底纹背景的独立分量si,并将混合矩阵A中第i列置零,记为A+,得到重构矩阵Y=A+S,才能在重构的多角度光照投影起球图像中消除底纹背景信息;利用频谱特征分析技术构造底纹独立分量识别准则,其中纹理相似性度量如下式所示:
其中和分别为xi和sj图像矩阵重组的谱估计,D表示支撑域,其中谱估计用周期图代替,即Y(k,l)为待估计图像的二维离散傅里叶变换;D={(i,j)0≤i≤w/8,0≤j≤h/8};
独立分量sj的底纹纹理相似度表示为Gj= min{F1,j,F2,j, … ,FM,j} ,则属于织物底纹背景的独立分量对应Gj最小;经重构后重构矩阵Y中各yj对应图像矩阵重组图,此时各角度投影织物起球图像中织物底纹已被滤除,即得到滤除织物底纹的起球图像。
综上所述可见:本发明克服了传统织物起球客观评估系统中起球特征提取易受织物底纹干扰的技术问题,通过本发明方法,可对干扰起球目标识别及分割的复杂背景纹理得到很好地滤除,降低了毛球识别和分割算法复杂度,拓展了织物起球客观评估系统应用范围, 使复杂纹理织物的起球等级客观评估成为可能,具有应用价值。
最后有必要在此说明的是:以上实施例只用于对本发明的技术方案作进一步详细地说明,不能理解为对本发明保护范围的限制,本领域的技术人员根据本发明的上述内容作出的一些非本质的改进和调整均属于本发明的保护范围。
Claims (2)
1.一种复杂纹理织物起球图像的采集方法,包括如下步骤:
A.将待测样布平整铺放在试样放置平台的几何中心位置,使摄像机固定放置在试样放置平台的正上方;
B.调节多角度准平行光侧向照明系统的光源基座,使光源和试样放置平台呈一定角度;通过计算机控制电动机转动使光源处于预定位置;
C.通过图像采集系统获取在多个角度光源照射下形成的织物起球图像;
D.对步骤C得到的织物起球图像进行独立分量分析处理,即得到滤除织物底纹的起球图像;其特征在于,进行独立分量分析处理的方法如下:
D1)选取独立分量数N等于观测的织物起球图像的幅数M,将信号xi(t)表示为第i幅观测的织物起球图像{xi(m,n)}第t个像素灰度值,这样可将第i幅观测的织物起球图像按行重排成一个维数为1×C的行向量xi,其中C=w*h,w、h分别表示图像的宽度和高度;再将所有行向量构成M×C矩阵,得到观测矩阵X=[x1,x2,...,xM]T;
D2)在独立分量估计之前,先对X进行零均值方差标准化处理,然后应用主元分析法对X进行预白化处理得到其中M×C维预白化矩阵其过程如下所示:
零均值处理:X=X-E{X};
求协方差矩阵:R=E{XXT};
奇异值分解:EDET=R,其中E=[e1,e2,…eN]、D=diag[λ1,λ2,…,λN],λi为第i个特征秩,ei为对应N维特征向量列矢量;
预白化处理:其中
D3)只有正确识别属于织物底纹背景的独立分量si,并将混合矩阵A中第i列置零,记为A+,得到重构矩阵Y=A+S,才能在重构的多角度光照投影起球图像中消除底纹背景信息;利用频谱特征分析技术构造底纹独立分量识别准则,其中纹理相似性度量如下式所示:
其中和分别为xi和sj图像矩阵重组的谱估计,D表示支撑域,其中谱估计用周期图代替,即Y(k,l)为待估计图像的二维离散傅里叶变换;D={(i,j)|0≤i≤w/8,0≤j≤h/8};
独立分量sj的底纹纹理相似度表示为Gj=min{F1,j,F2,j, …,FM,j},则属于织物底纹背景的独立分量对应Gj最小;经重构后重构矩阵Y中各yj对应图像矩阵重组图,此时各角度投影织物起球图像中织物底纹已被滤除,即得到滤除织物底纹的起球图像。
2.如权利要求1所述的复杂纹理织物起球图像的采集方法,其特征在于:光源与试样放置平台呈5度夹角,光源中心点到待测样布几何中心的水平距离为30厘米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410522556.7A CN104268543B (zh) | 2014-10-04 | 2014-10-04 | 一种复杂纹理织物起球图像的采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410522556.7A CN104268543B (zh) | 2014-10-04 | 2014-10-04 | 一种复杂纹理织物起球图像的采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104268543A CN104268543A (zh) | 2015-01-07 |
CN104268543B true CN104268543B (zh) | 2017-07-04 |
Family
ID=52160063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410522556.7A Active CN104268543B (zh) | 2014-10-04 | 2014-10-04 | 一种复杂纹理织物起球图像的采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104268543B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105277560B (zh) * | 2015-10-23 | 2018-09-11 | 温州大学 | 一种织物起球等级评价分析方法及装置 |
CN109993213A (zh) * | 2019-03-06 | 2019-07-09 | 上海工程技术大学 | 一种用于服装部件图的自动识别方法 |
CN110389134A (zh) * | 2019-07-24 | 2019-10-29 | 国网浙江省电力有限公司电力科学研究院 | 一种多角度图像采集装置及其方法 |
CN110706274A (zh) * | 2019-10-12 | 2020-01-17 | 国家羊绒产品质量监督检验中心 | 一种起毛起球分级测试仪、测试系统及测试方法 |
CN111027577B (zh) * | 2019-11-13 | 2023-03-31 | 湖北省纤维检验局 | 一种织物异常纹理类型识别方法和装置 |
CN114113123B (zh) * | 2021-12-29 | 2023-12-08 | 泸州成像通科技有限公司 | 一种用于手机摄像模组的检测装置 |
CN116577350A (zh) * | 2023-07-13 | 2023-08-11 | 北京航空航天大学杭州创新研究院 | 物料表面毛球点云采集装置和物料表面毛球数据采集方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1176375C (zh) * | 2002-01-14 | 2004-11-17 | 东华大学 | 织物起球等级的客观评估系统 |
US20040008870A1 (en) * | 2002-06-24 | 2004-01-15 | Arkady Cherkassky | Electro-optical method and apparatus for evaluating protrusions of fibers from a fabric surface |
JP2006526783A (ja) * | 2003-05-30 | 2006-11-24 | アンドリュー エム. ラビノビッチ、 | 色分解および組織試料内の対象となる領域の検出 |
CN101572770B (zh) * | 2009-06-18 | 2010-11-10 | 中国科学技术大学 | 一种可用于实时监控的运动检测方法与装置 |
CN101702196B (zh) * | 2009-11-16 | 2012-08-29 | 浙江林学院 | 基于木材显微图像的针叶材树种自动识别方法 |
-
2014
- 2014-10-04 CN CN201410522556.7A patent/CN104268543B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104268543A (zh) | 2015-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104268543B (zh) | 一种复杂纹理织物起球图像的采集方法 | |
CN105957063B (zh) | 基于多尺度加权相似性测度的ct图像肝脏分割方法及系统 | |
CN109242888B (zh) | 一种结合图像显著性和非下采样轮廓波变换的红外与可见光图像融合方法 | |
CN111046880B (zh) | 一种红外目标图像分割方法、系统、电子设备及存储介质 | |
CN104318569B (zh) | 基于深度变分模型的空间显著性区域提取方法 | |
CN108399611B (zh) | 基于梯度正则化的多聚焦图像融合方法 | |
CN110837768B (zh) | 一种面向珍稀动物保护的在线检测与识别方法 | |
CN109146948A (zh) | 基于视觉的作物长势表型参数量化与产量相关性分析方法 | |
CN106485721B (zh) | 从光学相干断层图像获取视网膜结构的方法及其系统 | |
KR20200101540A (ko) | 피부 이미지 기반의 인공지능 딥러닝을 이용한 피부질환 판별용 api 엔진을 구성하는 스마트 피부질환 판별 플랫폼시스템 | |
CN106372629A (zh) | 一种活体检测方法和装置 | |
CN105869166B (zh) | 一种基于双目视觉的人体动作识别方法及系统 | |
Sun et al. | Optic disc segmentation from retinal fundus images via deep object detection networks | |
CN106446833B (zh) | 一种用于复杂场景图像识别的多通道仿生视觉方法 | |
CN103020933A (zh) | 一种基于仿生视觉机理的多源图像融合方法 | |
CN107072552A (zh) | 皮肤处理系统 | |
CN109934118A (zh) | 一种手背静脉身份识别方法 | |
RU2505800C2 (ru) | Способ рентгеновской томографии и устройство для его осуществления | |
CN106709967A (zh) | 一种内窥成像算法及控制系统 | |
CN112669249A (zh) | 结合改进nsct变换和深度学习的红外与可见光图像融合方法 | |
CN107481224A (zh) | 基于线粒体结构的图像配准方法及装置、存储介质及设备 | |
CN109684941A (zh) | 一种基于matlab图像处理荔枝果实采摘区域划分方法 | |
CN108154176A (zh) | 一种针对单一深度图像的3d人体姿态估计算法 | |
CN109345495B (zh) | 基于能量最小化和梯度正则化的图像融合方法及装置 | |
Bastias et al. | A method for 3D iris reconstruction from multiple 2D near-infrared images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |